[发明专利]一种线性预测方法及装置

说明书

本发明公开了一种线性预测方法及装置，该方法包括获取核磁共振的待预测时域数据，对待预测时域数据进行数据填充，直到待预测时域数据的数据长度达到期望的目标长度，并对填充处理后的待预测时域数据进行傅里叶变换处理，得到待预测频域数据，最后将待预测频域数据输入至训练好的核磁共振数据线性预测模型中，生成数据长度为目标长度的预测数据。采用本发明提供的实施例，将待预测时域数据的数据长度填充至期望的目标长度，并对填充后的数据进行傅里叶变换，以将进行傅里叶变换后的数据输入至训练好的核磁共振数据线性预测模型中，供模型输出预测数据，从而能够快速预测出待预测时域数据的填充部分的核磁共振数据，解决现有的预测效率慢的问题。

技术领域

本发明涉及核磁共振数据处理领域，具体涉及一种线性预测方法及装置。

背景技术

核磁共振作为一种原子尺度的化学分析手段，已经在生物大分子、代谢组学、药物研发等领域取得了重要应用。随着被测物质分子量的增大，核磁共振谱图重叠严重，分辨率降低，使核磁共振谱图难以辨认。核磁共振多维谱是提高谱图分辨率的重要手段，但多维谱数据采集时间比较长，典型的三维谱的数据采集时间通常需要几天的时间，且射频信号反复激发产生的样品升温使蛋白质等生物样品变性，造成样品损坏。为解决核磁共振多维谱数据采集时间长的问题，当前多采用对间接维数据线性预测的方法，将没有采集的数据采用数据处理算法预测出来，进而增加时域信号的数字分辨率。

现有的核磁共振线性预测方法主要分为两种类型：1.利用核磁共振时域数据之间的线性关系，将时域数据上连续的n个点进行线性组合，预测其后的若干点，典型方法如LPSVD(Lu Y,Joshi S,Morris J M.Noise reduction for NMR FID signals via Gaborexpansion[J].IEEE transactions on bio-medical engineering,1997,44(6):512.)；2.利用核磁共振时域信号指数线形的特点，从已经采得的信号中分析提取指数模型的参数，然后根据该参数计算得到未采部分的数据。该类型典型的算法有Matrix Pencil(Hua Y,Sarkar T K.Matrix pencil method for estimating parameters of exponentiallydamped/undamped sinusoids in noise[J].IEEE Trans Assp,1990,38(5):814-824.)。由于多维谱线性预测方法普遍需要执行1000次以上，这就要求一次预测的时间最多在毫秒级别，故对算法效率提出了很高的要求，以上这两类方法普遍存在算法效率低的问题。虽然科研界发展了Tapelize矩阵正交化(Cybenko G V.Fast toeplitz orthogonalizationusing inner decompositions[J].SIAM Journal on Scientific and StatisticalComputing,1987.)等方法以加快算法效率，但算法的稳定性在某些情况下仍然难以得到保证。

发明内容

本申请实施例提供了一种线性预测方法及装置，能够提升线性预测的计算效率。

为解决现有技术存在的问题，本发明实施例提供了一种线性预测方法，用于对核磁共振数据进行线性预测，所述方法包括：

获取核磁共振的待预测时域数据；

对所述待预测时域数据进行数据填充，直到所述待预测时域数据的数据长度达到期望的目标长度；

对进行填充处理后的待预测时域数据进行傅里叶变换处理，得到待预测频域数据；

将所述待预测频域数据输入至训练好的核磁共振数据线性预测模型中，生成数据长度为所述目标长度的预测数据。

进一步的，所述对所述待预测时域数据进行数据填充，直到所述待预测时域数据的数据长度达到期望的目标长度的步骤，包括：

将所述待预测时域数据的数据长度填充至期望的目标长度；